统计测试

知道向你欢呼的，那民是有福的！

/

自从20年前，我在大学里认真学习谢才公式，发现水力学其实甚为有趣，一点也不像当初我想象的那样的讨厌力学，顺便在大四的时候拿到大学里第一个非体育类奖学金（我每年都拿体育单项奖，因为我是学校的围棋冠军）之后，我就发现我可以在短期内将注意力集中在一个完全未知的领域，但是还有兴趣能学习和掌握一点皮毛。

一旦开始研究一个课题，我就觉得我可以在这个领域成为一个入门者，至少每一种研究都是有趣的，不算枯燥。

××××××××××××××××××××

统计测试是均匀随机测试和结构测试的混合体，结合了二者的特点，一方面是采样测试，类似随机测试，但是采样分布不是均匀随机分布，而是根据代码结构获得最佳的分布，让最难以测试的路径也具有较大的覆盖概率。这样的测试能够在较小的测试集合下覆盖随机测试无法覆盖的路径，又能比结构测试更丰富，检查出更多的错误。

这种概率分布的学习是一种‘反学习’，其目的是让所有的输入向量具有相同的发生概率，所以最难覆盖的路径的概率应该不断调整增大。

输入变量的关系用信度网来表达，所以是一个信度网结构和参数学习的问题，np-complete类型。由于最近的测试集合生成技术都是用搜索算法，大家都要采用一个标准的fitness函数，所以也有用遗传算法来求解的；模拟退火也可以。

不过我们想，信度网结构似乎应该用cfg（控制流图）转化而成，这个是比较可靠的，就减少了结构学习的步骤，后面的训练难度要减少不少。

最近的经验表明，遗传算法不如替代变量法（alternative variables）有效，因为几年的数模竞赛我都采用模式搜索了，不再自己写遗传算法的程序。所以，后面的参数学习采用模式搜索算法。然后，加上边界测试生成，我觉得这样的测试集合自动生成算法已经很好了，可惜没有时间做实验。

×××××××××××××××

用一些时间读文献是很能够快速提高自己的眼界和阅历的。所以感谢我的研究生们，一边努力的学习一边什么也不太懂，还需要我操心一下。

这学期要叫李欣张步良来办公室坐着，我监督看文献，编程序，写文章，翻译资料什么的了。

××××××××××××××××

下一个目标是自动转账，自动销售。